——以江苏省A股上市企业为例

蒋子怡，万萌伊，陈嘉卉，巩俐（通信作者)

（南京师范大学中北学院，江苏 丹阳 212300）

摘要：本文利用2014年至2023年间江苏省A股上市公司的数据，深入分析了数字化转型与企业新质生产力之间的关系及内在作用机制。结果表明，企业实施数字化转型能显著提升其新质生产力水平。进一步机制剖析发现，数字化转型通过增强人力资本积累、减轻融资约束压力这两个途径，有效促进了企业新质生产力的提升。异质性考察发现，相较于民营企业、小规模企业及传统企业，国有企业、大规模企业及高技术企业的数字化转型对新质生产力的推动作用更为显著。此外，SHAP分析也揭示出，高数字化投入企业的新质生产力表现更为突出。本文的研究成果为江苏省企业数字化转型与升级提供了理论依据，并为激发企业新质生产力提供了策略指引。

关键词：数字化转型；新质生产力；人力资本；融资约束

一、引言

2024 年 1 月 31 日，习近平总书记在中共中央政治局第十一次集体学习时强调，要加快发展新质生产力，扎实推进高质量发展[1]。在新一轮全面深化改革、推进中国式现代化进程中，新质生产力作为推动中国经济实现质的跃升和量的合理增长的核心引擎，逐步成为制造业转型升级的关键支撑。数字化转型作为数字时代企业现代化发展的基本路径，正在深刻改变企业的生产方式与组织模式。故，研究企业数字化转型对新质生产力影响具有重要意义，有助于推动我国生产力的高质量发展。

二、理论分析与研究假说

（一）企业数字化转型与企业新质生产力

企业数字化转型借助数字技术的融入，协同实现创新驱动、管理重构、融资改善与人才升级，颠覆传统业务、组织及管理模式。[2]企业作为微观基础单位，其数字化转型的过程逐渐成为驱动新质生产力水平发展的关键路径：（1）提升企业的技术创新能力。通过引入人工智能、大数据分析、云计算等数字技术，构建统一的数据平台和智能研发系统，打通企业传统研发链条，提升技术迭代速度和创新产出效率[3]，推动企业生产力实现高科技转型、高效能提升与高质量发展的协同进步。（2）推动管理模式与组织结构的深刻变革。采用扁平化和网络化的组织结构，使得决策链条缩短，提高资源配置效率和价值链整合[4]。(3)促进业务流程再造与资源配置效率的优化。企业在数字化转型过程中借助数字技术重构业务流程，提升资源配置效率。增强企业内外部环境的响应与协同能力，使得企业具备更强的韧性和适应性[5]。优化“投入—产出”机制，为助力新质生产力实现效率跃升，本研究构建了相应的分析框架。基于这一背景，本文提出核心研究假设：

H1：企业推进数字化转型可显著驱动新质生产力的提升与发展

（二）企业数字化转型与新质生产力提升的理论关联机理

1.企业数字化转型以缓解融资约束为中介路径，显著促进新质生产力水平提升

发展企业新质生产力的过程中，资金的有效配置起着关键作用，然而，融资可行性欠佳常常会迫使企业缩减在创新与研发方面的投入 [6]。因此，减轻融资约束是推动企业培育新质生产力的有效方式。根据Stiglitz[19]等提出的信贷配给理论，信息不对称是导致企业融资受限的重要原因。企业可在推进数字化进程中，同步引入ERP系统、财务共享平台等工具，提升信息披露的准确性与财务透明度。同时，数字化还可提升企业的风险管理和内部控制能力，扩宽融资渠道，降低融资成本，增强企业在研发、设备投入与人力资本升级等方面的潜力，促进企业新质生产力发展。基于此，本文提出假设：

H2：企业数字化转型能够通过缓解融资约束，进而促进企业新质生产力发展。

2.企业数字化转型以强化人力资源为中介路径，提升企业新质生产力

劳动者作为生产过程的关键要素，是推动生产力发展的核心力量。一方面，技术快速迭代使企业对大数据、人工智能、信息系统等领域的高素质、复合型人才需求激增，企业亟需具备数字能力和跨学科背景的员工来支撑技术实施与转化[7]。另一方面，为适应新技术环境，企业通过内部培训、技能再造与组织学习等提升员工数字素养与适应能力，逐步构建起以人力资本为核心的“智力驱动型”生产模式。在此过程中，企业不仅实现了人力资本结构的优化，更强化了组织的知识吸收能力与技术演化能力，形成了以持续学习与快速反应为特征的动态能力体系[22]。这种基于人才优势的“软性资本驱动”，已成为新质生产力发展的重要支撑路径。因此，数字化转型通过引导企业加大人力资源投入并提高重视程度，通过促进人力资本质量升级与人才结构系统性优化，为企业新质生产力培育提供长效内生动力支撑。基于此，本文提出假设：

H3：企业数字化转型能通过强化人力资源，进而提升企业新质生产力。

图 1 理论机制分析图

三、变量说明与模型设计

（一）样本选择与数据来源

本研究以2014-2023年江苏省698家上市公司为样本，为确保数据可靠性与研究结论的有效性，对原始数据进行了三方面筛选：（1）剔除被特殊处理（ST/*ST）等经营异常企业的观测数据；（2）排除房地产与金融行业的企业样本；（3）删减关键变量缺失率超过阈值的企业记录。研究数据主要源自CSMAR数据库，并辅以《中国统计年鉴》进行交叉验证。

（二）变量说明

1.被解释变量

企业新质生产力（Npro)。参考宋佳等(2024）[8][21]从劳动力、劳动工具、劳动对象三个层面测算企业层面的新质生产力指标，采用熵值法得出新质生产力数据。指标的取值说明与权重如表1所示。

表1 企业新质生产力指标

2.解释变量

企业数字化转型（Dig）。参考吴非等（2021）[9]的研究，结合《2024年中小企业数字化转型蓝皮书》、“十四五”市场建设报告等构建数字化转型关键词词库，利用python技术爬取江苏省698家上市企业2014-2023年年报中的所含关键词词频数量，将其进行加1后取自然对数来衡量企业数字化转型水平。

3.控制变量

为使本文更具说服力，增加了如下控制变量：①账面市值比（MB）②资产负债率（Lev）③资本密集度（Fixed）④董事会规模（Bs)⑤财务杠杆（Debt）⑥独立董事占比（In）⑦前十大股东持股比例（Top10）⑧国内生产总值（GDP)：江苏省。

4.中介变量

根据本文的研究假设以及需对企业新质生产力具有显著影响，选取以下变量作为中介变量：

（1）人力资源（HR)：参考韩士专等（2024）[10]、肖士盛等（2022）[11]

（2）融资约束（FC)：参考Hadlock（2009）[19]、王红建等（2017）[12]的研究构建FC指数。

（三）模型构建

根据本文研究设计，为检验数字化转型对新质生产力的促进性作用，构建双向固定模型（1）:

四、实证分析

（一）基准回归

数字化转型与企业新质生产力关系的基准回归结果如表 2 所示。列（4）在控制个体与时间固定效应及其他相关影响因素后，数字化转型变量的回归系数仍通过 1% 水平的显著性检验且符号为正，印证了数字化转型对企业新质生产力的正向驱动作用，假设 H1 得以验证。

表2 基准回归结果

注：*、**、***分别表示在10%、5%、1%水平上显著，括号中为系数对应的标准误，下同。

（二）稳健性分析

1.剔除异常年份。本研究在稳健性检验中剔除了2019年观测值，回归结果详见表3第（2）列。分析显示，数字化转型对新质生产力的影响系数在1%的显著性水平上仍保持正向显著，表明即使剔除可能受特殊事件影响的年份数据，数字化转型对新质生产力的促进效应依然具有统计稳健性。

2.替换解释变量。参考甄红线等（2023）[14]的研究,以CSMAR中的企业数字化转型综合指数作为新的解释变量Dig*进行回归。由表3列(1)可知，回归系数显著为正，进一步证明了结论的稳健性。

3.使用稳健标准误。调整标准误来消除异方差的影响，由表3列（3）可以得出，数字化转型程度对新质生产力水平的影响系数依旧在1%的水平上正相关，仍得出稳健的结果。

表3 稳健性检验与机制分析

（三）内生性检验

1.工具变量法

为缓解遗漏变量所引发的内生性偏误，本研究运用工具变量法开展内生性检验。具体而言，参照沈喆等（2024）[15]的做法，采用行业-年份匹配的平均数字化转型水平作为工具变量进行估计。具体而言，以同行业企业在同一观测年份的数字化转型均值作为外生性工具变量。工具变量检验结果（表 4 第（2）列）显示，即便控制内生性问题，企业数字化转型对新质生产力的影响仍在 1% 的统计水平上显著，这一结果支持了假设 H1。

表4 工具变量法

2.PSM倾向得分匹配法

本文将继续运用倾向得分匹配（PSM）方法来减轻样本选择可能带来的内生性问题。依据王家起（2024）[18]的研究，以数字化转型的全样本均值为界，将数字化转型程度高于此均值的样本划分为实验组，其余归为控制组。将控制变量作为协变量。利用Logit回归模型来估算每个样本的倾向得分，并采用1:1最近邻匹配原则对样本进行配对。

经过倾向得分匹配（PSM）后，大多数协变量的标准化百分比偏差显著减小，趋近于0%.表明匹配过程有效地消除了这些变量在实验组和控制组之间的偏差，使得两组样本在协变量上更加均衡。

五、机制分析与异质性分析

（一）机制分析

1.人力资源机制分析

本文将高技能人才界定为研发人员和技术人员，并以其占企业员工总数的比例来量化企业的人力资源状况。

已有大量文献验证人力资源对新质生产的因果关系（王世泰等，2024[17]），本文重点关注数字化转型对人力资源的研究。在模型（1）的基础上，发挥人力资源的传导机制作用并参考江艇[13]的两步法构建模型（2）检验人力资源的中介作用，并用来检验研究假设H2。

表3第（4）（5）列的实证结果揭示了人力资源的中介传导机制：数字化转型对人力资源的影响系数在1%水平上显著为正（p<0.01），表明数字化转型能够显著提升企业人力资源质量。该发现为假设H2提供了稳健的实证支持。

2.融资约束机制分析

本研究借鉴王红建等（2017）[12]的研究成果，构建了FC指数以进行深入分析。

已有大量文献验证了融资约束对新质生产力的影响，（彭继增等，2024[18]),本文仅报告企业数字化转型与融资约束之间的关系，在模型（1）的基础上，运用融资约束的传导机制作用并参考江艇[13]的两步法构建模型（2）检验融资约束中介效应。表3的（6）列反映了企业数字化转型对融资约束的影响在1%的水平下显著为负，表明假设H3成立。

（二）异质性分析

1.企业所有权异质性

基于产权属性差异，本研究将样本企业划分为民营与国有两大组别开展异质性检验。实证结果（表6第（1）（2）列）显示：数字化转型均显著提升了两类企业的新质生产力水平（p<0.01），且该效应在国有企业中表现出更强的显著性。

2.企业规模异质性

本研究选取企业总资产的自然对数作为衡量企业规模的代理指标。依据其中位数，将全样本划分为两组：高于中位数的观测值归为大规模企业组，低于或等于中位数的观测值归为小规模企业组，分别进行检验。从表6（3）（4）两列的实证结果可知，不同规模的企业的数字化转型程度均在1%的水平下能够促进新质生产力的研究。且大企业在数字化转型的过程中更能促进新质生产力的发展。

表5 异质性检验（企业所有权、企业规模）

3.行业类型的异质性分析

本文根据中国《战略性新兴产业分类》以及OECD《科技行业分类指南（2025修订版》将C27、C39、C40、I65、K72、D44、N77作为高科技企业行业代码，其他行业代码作为传统行业代码，并进行分组样本回归。由表6（5）（6）两列可以得出，无论行业性质存在何种差异，数字化转型均能对新质生产力的发展产生显著的正向驱动效应，其中高科技对数字化转型对新质生产力的影响更显著。

六、数字化转型对新质生产力SHAP特征贡献度分析

由图2我们可以得知数字化转型具有很大的影响力，高数字化转型和高数字投入的企业的生产力程度更高。

图2  SHAP分析

七、结论与政策启示

基于2014-2023年江苏省A股上市公司的实证数据，本文系统考察了企业数字化转型对新质生产力的影响机制，主要研究发现如下：

  （1）数字化转型显著驱动企业新质生产力提升，二者呈现正向关联；

  （2）机制检验表明，融资约束缓解与人力资本升级构成数字化转型促进新质生产力发展的双重传导路径；

  （3）异质性检验发现，数字化转型的赋能效应存在显著的企业特征差异，其正向影响在国有企业、大型企业及高技术企业中表现更为突出。

依据研究所得，为助力相关领域决策优化，特提出以下政策建议：

（1）强化数字化转型战略与执行。政府加大对企业数字化扶持力度和政策的精确度。支持企业在数字基础设施建设、数据治理和智能制造方面的探索，推动企业形成可复制、可推广的转型经验，带动民营企业协同发展。

（2）优化融资结构以缓解资金约束。企业可通过构建多元化融资体系分散风险、控制成本，具体路径包括：拓展股权融资渠道、发行中长期债券以及争取政策性资金支持等。

（3）国有企业在数字化转型的引导与推广上，发挥示范效应。政府通过财政补贴、公共平台建设等方式，增强中小型企业在产业链中的韧性与创新能力。提高其数字化应用能力。

参考文献

[1]习近平.习近平在中共中央政治局第十一次集体学习时强调加快发展新质生产力扎实推进高质量发展[N].人民日报，2024-02-02(01).

[2]赵国庆,李俊廷.企业数字化转型是否赋能企业新质生产力发展——基于中国上市企业的微观证据[J].产业经济评论,2024(4):23-34.

[3]宋虹桥,张夏恒.数字化赋能新质生产力的内在逻辑与实现路径[J].湖湘论坛,2024,37(03):48-63.DOI:10.16479/j.cnki.cn43-1160/d.2024.03.009.

[4]戚聿东,肖旭.数字经济时代的企业管理变革[J].管理世界,2020,36(6):135-152+250.

[5]张靖凯,陈军.数字经济发展对我国制造业产业结构升级的影响研究[J].新型工业化,2024,14(6):42-52.

[6]孙薇,叶初升.政府采购何以牵动企业创新——兼论需求侧政策“拉力”与供给侧政策“推力”的协同[J].中国工业经济,2023(1):95-113.

[7]朱喜安,马樱格.数字化转型如何推动企业人力资本结构升级[J].经济管理,2024,46(2):51-71.

[8]宋佳,张金昌,潘艺.ESG发展对企业新质生产力影响的研究——来自中国A股上市企业的经验证据[J].当代经济管理,2024,46(6):1-11.

[9]吴非，胡慧芷，林慧妍，等．企业数字化转型与资本市场表现：来自股票流动性的经验证据[J]．管理世界，2021,37(7)：130-144，10．

[10]韩士专，杨佳英，杨礼华数字化转型对企业全要素生产率的影响研究[J]．现代管理科学，2024（2）：133-142.

[11]肖土盛,吴雨珊,亓文韬.数字化的翅膀能否助力企业高质量发展——来自企业创新的经验证据[J].经济管理,2022,44（5）:41-62.

[12]王红建,曹瑜强,杨庆,等.实体企业金融化促进还是抑制了企业创新——基于中国制造业上市公司的经验研究[J].南开管理评论,2017,20(1):155-166.

[13]江艇.因果推断经验研究中的中介效应与调节效应[J].中国工业经济,2022（5）:100-120.

[14]甄红线，王玺，方红星．知识产权行政保护与企业数字化转型[J]．经济研究，2023,58(11)：62-79．

[15]沈喆,张锟澎.企业ESG表现与审计意见购买[J].山西财经大学学报,2024,46(1):114-126.

[16]王家起.数字化转型对制造业企业全要素生产率的影响研究[D].石家庄：河北经贸大学,2024.

[17]王世泰.厚植智能型人才助力新质生产力培育[N].河南经济报,2024-02-03(011).

[18]彭继增,吴文贝,凌娇娇.数字化转型与新质生产力发展——基于中国上市企业的经验证据[J].工业技术经济,2024,43(9):33-43.

[19]Stiglitz,J.E.,&Weiss,A.CreditRationinginMarketswithImperfectInformation

[J].TheAmericanEconomicReview,1981,71(3):393-410.

[20]HadlockCJ,PierceJR.NewEvidenceonMeasuringFinanceConstraints:MovingBeyondtheKZIndex

[J].ReviewofFinancialStudies,2010,23(5):1909-1940.

[21]王金波,范洪敏.数字化转型能否提升企业新质生产力——来自中国A股上市公司的经验证据[J].武汉金融,2024(11):40-49.

资金资助：江苏省省级大学生创新创业训练项目（202413906017Y）；南京师范大学中北学院课程思政示范课程建设（2022ykcsz009)